| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-28页 |
| ·引言 | 第12-13页 |
| ·国内外研究进展 | 第13-23页 |
| ·复杂网络的基本概念 | 第13-15页 |
| ·人脑结构连接组研究综述 | 第15-20页 |
| ·DTI弥散张量图像处理与分析技术 | 第20-21页 |
| ·基于DTI图像的人脑统计图谱研究 | 第21-23页 |
| ·研究内容与研究意义 | 第23-24页 |
| ·技术路线 | 第24-26页 |
| ·论文章节安排 | 第26-28页 |
| 第2章 DTI成像原理及基础算法 | 第28-42页 |
| ·引言 | 第28页 |
| ·弥散张量成像基础 | 第28-32页 |
| ·弥散加权成像(Diffusion Weighted Imaging) | 第28-31页 |
| ·弥散张量成像(Diffusion Tensor Iamging) | 第31-32页 |
| ·DTI基本参数计算 | 第32-34页 |
| ·张量场 | 第32页 |
| ·本征值 | 第32-33页 |
| ·平均弥散度 | 第33页 |
| ·弥散各向异性指数 | 第33-34页 |
| ·RIEMANNIAN流形上的张量计算理论 | 第34-41页 |
| ·Riemannian测度的基本理论 | 第34-35页 |
| ·基于Log-Euclidean测度的张量基本运算 | 第35-37页 |
| ·基于Log-Euclidean测度的张量场插值算法 | 第37-39页 |
| ·基于Log-Euclidean测度的张量场正则化算法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第3章 张量图像非刚性配准 | 第42-68页 |
| ·引言 | 第42-43页 |
| ·基于RIEMANNIAN流形的LDDMM非刚性配准算法 | 第43-55页 |
| ·LDDMM算法基本原理 | 第43-46页 |
| ·张量图像LDDMM算法 | 第46-51页 |
| ·实验结果与讨论 | 第51-55页 |
| ·基于微分同胚DEMONS的张量场非刚性配准算法 | 第55-65页 |
| ·张量微分同胚Demons算法的改进 | 第56-60页 |
| ·实验结果与讨论 | 第60-65页 |
| ·LDDMM算法与微分同胚DEMONS算法的比较 | 第65-66页 |
| ·算法的数学基础 | 第65页 |
| ·配准模型比较 | 第65页 |
| ·配准结果比较 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第4章 张量图像的多尺度特征表示 | 第68-82页 |
| ·引言 | 第68-69页 |
| ·多尺度特征提取方法的基本框架 | 第69-73页 |
| ·构建多尺度特征向量的必要性 | 第69-70页 |
| ·标量图像多尺度纹理特征提取算法 | 第70-73页 |
| ·TIDA张量图像区域特征表示算法 | 第73-78页 |
| ·区域特征描述向量的结构 | 第73-75页 |
| ·区域张量分布统计特征 | 第75-76页 |
| ·张量图像边缘特征提取 | 第76-77页 |
| ·张量几何特征 | 第77-78页 |
| ·实验结果与讨论 | 第78-81页 |
| ·解剖标记点识别 | 第78-79页 |
| ·DTI图像脑组织分割 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 第5章 DTI统计图谱自动化创建 | 第82-100页 |
| ·引言 | 第82页 |
| ·人脑数字化统计图谱研究的现状 | 第82-87页 |
| ·成年人全脑图谱研究情况 | 第82-85页 |
| ·脑区划分图谱 | 第85-86页 |
| ·白质图谱 | 第86-87页 |
| ·数字化统计图谱创建的约束条件 | 第87-90页 |
| ·微分同胚性 | 第87-88页 |
| ·无偏性 | 第88页 |
| ·约束条件下的非刚性配准算法模型 | 第88-90页 |
| ·实验结果与讨论 | 第90-99页 |
| ·实验数据 | 第90页 |
| ·图谱自动化创建的步骤 | 第90-91页 |
| ·实验结果 | 第91-99页 |
| ·本章小结 | 第99-100页 |
| 第6章 总结与展望 | 第100-104页 |
| ·论文的主要研究成果及创新点 | 第100-102页 |
| ·论文研究工作的不足 | 第102-103页 |
| ·今后的工作展望 | 第103-104页 |
| 参考文献 | 第104-116页 |
| 致谢 | 第116-118页 |
| 在读期间发表的学术论文与取得的研究成果 | 第118-119页 |
